PHP 可以从 PowerPoint 文件中读取文本吗？答案

【问题标题】：Can PHP read text from a PowerPoint file?PHP 可以从 PowerPoint 文件中读取文本吗？
【发布时间】：2010-10-13 09:32:49
【问题描述】：

我想让 PHP 读取（上传的）PowerPoint 演示文稿，并从每张幻灯片中提取最少的文本（获取更多信息，如图像和布局甚至会更好，但我现在只满足于文本）。

我知道谷歌应用程序在其演示应用程序中执行此操作，所以我猜测有一些方法可以翻译 powerpoint 二进制文件，但我似乎找不到任何有关如何执行此操作的信息。

有什么想法可以尝试吗？

谢谢-

【问题讨论】：

标签： php powerpoint

【解决方案1】：

根据版本，您可以查看 Zend 框架，因为 Zend_Search_Lucene 能够索引 PowerPoint 2007 文件。看一下对应的class文件，我觉得是Zend_Search_Lucene_Document_Pptx。

【讨论】：

【解决方案2】：

是的，当然有可能。

[这是一个开始。](http://download.microsoft.com/download/0/B/E/0BE8BDD7-E5E8-422A-ABFD-4342ED7AD886/PowerPoint97-2007BinaryFileFormat(ppt)Specification.pdf)我不会说它的文档/格式很好，但是一旦你开始它并不难。首先只关注你需要的元素（幻灯片、文本等） .

一个不太详细和更简单的方法是在十六进制编辑器中打开 .ppt 文件并查找您感兴趣的信息（您应该能够看到二进制数据中的文本）及其周围的内容。然后根据这些信息周围的内容，您可以编写一个解析器来提取这些信息。

【讨论】：

【解决方案3】：

这是我从 similar one 创建的一个示例函数，它从 Word 文档中提取文本。我用 Microsoft PowerPoint 文件对其进行了测试，但它不会解码保存为 .ppt 的 OpenOfficeImpress 文件

对于 .pptx 文件，您可能需要查看 Zend Lucene。

    function parsePPT($filename) {
    // This approach uses detection of the string "chr(0f).Hex_value.chr(0x00).chr(0x00).chr(0x00)" to find text strings, which are then terminated by another NUL chr(0x00). [1] Get text between delimiters [2] 
    $fileHandle = fopen($filename, "r");
    $line = @fread($fileHandle, filesize($filename));
    $lines = explode(chr(0x0f),$line);
    $outtext = '';

    foreach($lines as $thisline) {
        if (strpos($thisline, chr(0x00).chr(0x00).chr(0x00)) == 1) {
            $text_line = substr($thisline, 4);
            $end_pos   = strpos($text_line, chr(0x00));
            $text_line = substr($text_line, 0, $end_pos);
            $text_line = preg_replace("/[^a-zA-Z0-9\s\,\.\-\n\r\t@\/\_\(\)]/","",$text_line);
            if (strlen($text_line) > 1) {
                $outtext.= substr($text_line, 0, $end_pos)."\n";
            }
        }
    }
    return $outtext;
}

【讨论】：

【解决方案4】：

我想对此发表我的决心。

很遗憾，我无法让 PHP 可靠地读取二进制数据。

我的解决方案是编写一个小型 vb6 应用程序，通过自动化 PowerPoint 来完成这项工作。

不是我想要的，但现在解决了这个问题。

话虽如此，Zend 选项看起来在某些时候可能是可行的，所以我会注意的。

谢谢。

【讨论】：